GEO455_C3.knit

class: inverse,left, middle
background-image: url(data:image/png;base64,#background.png)
background-size: cover

##Módulo 1: Geoinformática utilizando el entorno de R

### Geoprocesos

Matías Olea <a href="https://orcid.org/0000-0003-0194-7784">
ORCID </a> 
matias.olea@pucv.cl</a>

.large[<a href="https://www.pucv.cl/uuaa/site/edic/base/port/labgrs.html">LabGRS</a> | Agosto 2025]

---
## Contenidos

.pull-left[

1) Repaso de tipo de operaciones a un vector geográfico

2) Fusión de tablas.

3) Geoprocesos.
]

.pull-right[
 <img src="data:image/png;base64,#https://raw.githubusercontent.com/allisonhorst/stats-illustrations/main/rstats-artwork/r_rollercoaster.png" width="650px"/>
]

---

### Tipos de operaciones

--
- **Consultas**: se caracterizan por no modificar la información temática o geométrica del dato espacial original ni la georreferencia de este (localización).
- **Transformación**: estas no modifican la información temática o geométrica del dato espacial original pero sí modifican la georreferencia de este.
- **Alteración**: estas operaciones modifican la información temática o geométrica del dato espacial original y no modifican le georreferencia de este.

---
### Fusión de tablas

**Join de tabla**: Nos permite combinar información desde una tabla externa con nuestros objetos espaciales empleando un campo clave común entre ambos.

---
### Fusión de tablas

---
### Fusión de tablas

``` r
library(tidyverse) # ciencia de datos
library(sf) # Simple Feature / analisis de datos espaciales vectoriales

tab_comunas <- read_csv("TuDirectorioPersonal/Comunas_Maule_latlon.csv")
vect_salud <- read_sf("TuDirectorioPersonal/Establec_salud_Maule.shp") 
```

Haremos un join de tablas juntando la tabla de comunas al vector de salud (puntos)

``` r
vect_salud_join <- merge(
 x = vect_salud, # vector geografico
 y = tab_comunas, # tabla con informacion nueva
 by.x = "C_COM", # columna clave/indice en X (argumento)
 by.y = "CUT_COM", # columna clave/indice en Y (argumento)
 all.x = T # mantenemos todas las entidades del vector (aunque no tengan par en la tabla)
)
```

---
### Fusión de tablas

**Join espacial**: Permite la unión de información de dos capas espaciales diferentes basado en relaciones espaciales.

.footnote[
 Imágenes de relaciones espaciales de ESRI

]

---
### Fusión de tablas

``` r
vect_comunas <- read_sf("TuDirectorioPersonal/Comunas_Maule_latlon.shp")
```

Ahora uniremos espacialmente la información del nivel de complejidad de los establecimientos de salud (puntos) a las comunas (poligono).

``` r
plot(vect_comunas$geometry)
plot(vect_salud$geometry, add=T)
```

---
### Fusión de tablas

``` r
vect_comunas_ejoin <- st_join(vect_comunas, # vector base
 vect_salud["NIVEL_COM"], # vector a extraer informacion + columna
 join = st_intersects # relacion espacial
)
```

``` r
nrow(vect_salud)
```

```
## [1] 396
```

``` r
nrow(vect_comunas)
```

```
## [1] 30
```

``` r
nrow(vect_comunas_ejoin)
```

```
## [1] 396
```

---
### Fusión de tablas

``` r
plot(vect_comunas_ejoin["NIVEL_COM"])
```

---
### Geoprocesos: Consultas

- **Consulta simple**: Identifica un vector o parte de el junto con sus características asociadas.

- **Consulta booleana**: Consulta o serie de consultas que se realizan a través de operadores sencillos de consulta lógica.

- **Consulta espacial**: Este tipo de consulta se realiza utilizando dos objetos espaciales: uno para seleccionar y otro que indica el lugar de la selección.

---
### Geoprocesos: Consulta simple

``` r
st_crs(vect_salud) # referencia espacial
```

```
## Coordinate Reference System:
##   User input: WGS 84 
##   wkt:
## GEOGCRS["WGS 84",
##     DATUM["World Geodetic System 1984",
##         ELLIPSOID["WGS 84",6378137,298.257223563,
##             LENGTHUNIT["metre",1]]],
##     PRIMEM["Greenwich",0,
##         ANGLEUNIT["degree",0.0174532925199433]],
##     CS[ellipsoidal,2],
##         AXIS["latitude",north,
##             ORDER[1],
##             ANGLEUNIT["degree",0.0174532925199433]],
##         AXIS["longitude",east,
##             ORDER[2],
##             ANGLEUNIT["degree",0.0174532925199433]],
##     ID["EPSG",4326]]
```

---
### Geoprocesos: Consulta simple

``` r
st_geometry(vect_salud) # geometría del objeto
```

```
## Geometry set for 396 features 
## Geometry type: POINT
## Dimension:     XY
## Bounding box:  xmin: -72.66597 ymin: -36.38745 xmax: -70.81315 ymax: -34.68829
## Geodetic CRS:  WGS 84
## First 5 geometries:
```

``` r
st_bbox(vect_salud) # extensión
```

```
##      xmin      ymin      xmax      ymax 
## -72.66597 -36.38745 -70.81315 -34.68829
```

---
### Geoprocesos: Consulta booleana

¿Cuántos establecimientos de la región disponen de atención de urgencias?

``` r
vect_salud %>%
  filter(URGENCIA == "SI") %>%
  nrow()
```

```
## [1] 59
```

Número de establecimientos con dependencia administrativa municipal

``` r
vect_salud %>%
  filter(DEPEN_A == "Municipal") %>%
  nrow()
```

```
## [1] 278
```

**TAREA 1**: ¿Cuantos de establecimientos con urgencias en la comuna de Talca?

---
### Geoprocesos: Transformacion

**Cambio de proyección**: este proceso es el más útil cuando queremos asegurar que toda nuestra información esté en el mismo sistema o para modificar la información para su despliegue cartográfico.La función para realizar el cambio de proyección sobre vectores es **st_transform()**

``` r
vect_comunas_ejoin_utm <- vect_comunas_ejoin %>%
 st_transform(32719) # código EPSG
```

No confundir con la función **st_set_crs()**, que permite asignar un CRS a una capa que no lo tenga incorporado.

---
### Geoprocesos: Transformacion

**Rasterizacion**: transfiere valores asociados a una entidad geométrica a una capa ráster. *sf* no tiene una función que permita hacerlo, pero sí el paquete **terra**.

``` r
comunas_utm <- vect_comunas_ejoin_utm %>% terra::vect()
```

Luego creamos un ráster vacío.

``` r
raster_vacio <- terra::rast(comunas_utm, # SpatVector
 res = 1000, # resolucion del objeto de salida
 crs = "epsg:32719" # CRS de referencia
) 
```

---
### Geoprocesos: Transformacion

``` r
raster_sup <- terra::rasterize(
 x = comunas_utm, # vector a rasterizar
 y = raster_vacio, # raster a rellenar con datos
 field = "SUPERFICIE"
)
```

---
### Geoprocesos: Transformacion

``` r
terra::plot(raster_sup)
```

<img src="data:image/png;base64,#GEO455_C3_files/figure-html/unnamed-chunk-19-1.png" width="100%" />
---
### Geoprocesos: Transformacion

**Conversión entre formatos** es otra función de tranfromación clave que permite exportar archivos a una extensión particular. La función **st_write()** permite exportar archivos vectoriales a disco considerando diferentes formatos.

``` r
st_write(vect_comunas_ejoin_utm, dsn = "ejoin_comunas_maule.shp") # Esri shapefile
st_write(vect_comunas_ejoin_utm, dsn = "ejoin_comunas_maule.gpkg") # geopackage
st_write(vect_comunas_ejoin_utm, dsn = "ejoin_comunas_maule.csv") # csv
st_write(vect_comunas_ejoin_utm, dsn = "ejoin_comunas_maule.geojson") # geojson
```

**TAREA 2**: Calcule los centroides de las comunas del Maule utilizando la libreria sf.

---
### Geoprocesos: Alteración

Las operaciones de alteración son las más comunes en el ámbito del trabajo con geodatos.

Son aquellas en dónde la manipulación es mayor y el vector de entrada es diferente al de salida, es decir, puede cambiar la cantidad de datos asociados en términos de información y/o geometría.

Entre las operaciones más comunes podemos encontrar:

**Áreas de influencia (Buffers)**
 
 **Cortar (clip)**
 
 **Disolver (Dissolve)**
 
 **Unión**

---
### Geoprocesos: Alteración

**Buffer**: Permite la creación de radios o áreas de influencia a partir de puntos, líneas o polígonos. Para una fácil creación, se recomienda trabajar con un sistema métrico de proyección métrica.

``` r
vect_salud_utm <- vect_salud %>%
 st_transform(32719) # código EPSG
```

Vamos a seleccionar solo algunas de nuestros puntos para la comuna de Talca y de dependencia distinto a la privada.

``` r
salud_talca_priv <- vect_salud_utm %>%
 filter(NOM_COM == "Talca" & DEPEN_A != "Privado")
```

---
### Geoprocesos: Alteración

``` r
buffer_noDissolve <- salud_talca_priv %>%
 st_buffer(2000) # buffer 2 km sin disolver

plot(buffer_noDissolve$geometry, axes = T)
plot(salud_talca_priv$geometry, add=T, col = "red")
```

<img src="data:image/png;base64,#GEO455_C3_files/figure-html/unnamed-chunk-23-1.png" width="100%" />
---
### Geoprocesos: Alteración

``` r
buffer_Dissolve <- salud_talca_priv %>%
 st_buffer(2000) %>% # buffer 2 km 
 st_union()

plot(buffer_Dissolve, axes=T)
plot(salud_talca_priv$geometry, add=T, col = "red")
```

---
### Geoprocesos: Alteración

**TAREA 3**:

(a) **Cortar**. Utilizando las funciones **st_crop** y **st_intersection** recorte por separado el vector de "Vialidad Maule" a la comuna de Constitucion. ¿Cual es la diferencia entre ambas?

(b) **Dissolve**. Utilizando la función ocuada en el buffer disuelto, realice un dissolve de toda la región del Maule. ¿Cual cree que es la diferencia con la siguiente alternativa ...?

``` r
comunas_diss <- vect_comunas_ejoin_utm %>%
 group_by(REGION) %>% 
 summarise() 
```

---
### Bibliografía

2017 Wickham, H., & Grolemund, G. R for data science: import, tidy, transform, visualize, and model data. " O'Reilly Media, Inc.". <a href="https://r4ds.had.co.nz/"> (Online) </a>

2024 Lovelace, R., Nowosad, J., & Muenchow, J. Geocomputation with R. Chapman and Hall/CRC. <a href="https://r.geocompx.org/index.html"> (Online) </a>